?作者简介：热爱科研的算法开发者，Python、Matlab项目可交流、沟通、学习。
????个人主页：算法工程师的学习日志
一、OpenCV简单介绍
安装OpenCV，使用pip安装，推荐使用清华源，速度快：
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
另外还需要另外一个模块：
pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
接下来就可以学习OpenCV了。
1.1、OpenCv显示图像
简单读取一个图像，并将该图像显示：
# 导入模块import cv2# 读取图片im = cv2.imread(‘./zxc/1.jpg’)# 显示图片，该方法只会显示一瞬间。（第一个参数为窗口名称，第二个参数为ndarray对象）cv2.imshow(‘im’, im)# 等待键盘输入，传入毫秒值，当传入0时表示无限等待。（imshow配合该方法可以让界面一直显示）cv2.waitKey(0)# 因为OpenCv是用C/C++写的，所以需要释放内存cv2.destroyAllWindows()
上述代码就实现了最简单的读取并显示图像的操作了。
1.2、opencv图像灰度转换
灰度转换就是将图片转换成黑白图像。因为我们在人脸识别时，灰度图像便于识别，
import cv2# 读取图像im = cv2.imread(‘./zxc/2.jpg’)# 灰度转换（第一个参数为ndarray对象，第二个参数为cv2中的常量），返回一个ndarray对象grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)# 将grey保存cv2.imwrite(‘grey.jpg’, grey)# 显示灰度转换后的图像cv2.imshow(‘grey’, grey)# 等待键盘输入cv2.waitKey(0)# 销毁窗口cv2.destroyAllWindows()
1.3、绘制图形
后续在检测人脸的时候，我们会绘制图形，将人脸框起来。图形的绘制也非常简单.
import cv2# 读取图像im = cv2.imread(‘./zxc/15.jpg’)# 在图像im上绘制矩形”””第一个参数为ndarray对象第二个参数为左上角的坐标(x1, y1)第三个参数为右下角的坐标(x2, y2)第四个参数为颜色值，其顺序不同于我们之前的，使用的是BGR第五个参数为线条宽度”””cv2.rectangle(im, (220, 100), (380, 250), (255, 255, 0), 2)# 显示图像cv2.imshow(‘im’, im)# 等待输入cv2.waitKey(0)# 销毁窗口cv2.destroyAllWindows()
二、人脸检测2.1、获取特征数据
开始人类检测之前，我们要先获取一个特征数据。在opencv安装目录中，cv2/data文件夹，进入该文件夹后，里面全是特征文件，我们一般选用haarcascade_frontalface_default.xml。
2.1、检测人脸
我们可以把特征文件复制到我们项目下，也可以直接用绝对路径引用。cv2.CascadeClassifier对象可以用来检测人脸
face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)
其中，传入参数为特征文件的路径。我们可以选择相对路径，也可以选择绝对路径。完整人类检测代码如下：
import cv2# 加载特征数据face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)# 读取图片im = cv2.imread(‘./zxc/2.jpg’)# 检测人脸，返回人脸的位置信息faces = face_detector.detectMultiScale(im)# 遍历人脸for x, y, w, h in faces: # 在人脸区域绘制矩形 cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)# 显示图像cv2.imshow(‘im’, im)cv2.waitKey(0)cv2.destroyAllWindows()
其中detectMultiScale方法返回一个数组对象，这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下：
三、人脸识别
3.1、训练数据
训练数据主要有两个部分，人脸信息和标签，其中标签为int列表。我在目录data中准备了钢铁侠和周星驰的图片，钢铁侠为1，周星驰为2。
准备好图像后，我们就可以开始训练数据了，训练数据代码如下：
import cv2import osimport numpyroot_path = “./data/”lables = []faces = []def getFacesAndLabels(): “””读取图片特征和标签””” global root_path # 获取人脸检测器 face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’) # 获取图片路径 folders = os.listdir(root_path) for folder in folders: path = os.path.join(root_path, folder) files = os.listdir(path) for file in files: # 读取图片 path1 = os.path.join(path, file) im = cv2.imread(path1) # 转换灰度 grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # 读取人脸数据 face = face_detector.detectMultiScale(grey) for x, y, w, h in face: # 设置标签，分离文件名称 lables.append(int(folder)) # 设置人脸数据 faces.append(grey[y:y + h, x:x + w]) return faces, lables# 调用方法获取人脸信息及标签faces, labels = getFacesAndLabels()# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()# 训练数据recognizer.train(faces, numpy.array(labels))# 保存训练数据recognizer.write(‘model.yml’)3.2、人脸识别
我们训练完数据后，就可以进行人脸识别了。在识别之前我们先加载训练数据，然后就是基本的人类检测步骤。最后我们调用predict方法进行人脸识别，在训练数据中匹配人物。
import cv2# 加载训练数据集recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read(‘./model.yml’)# 准备识别的图片im = cv2.imread(’10.jpg’)grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)# 检测人脸face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)face = face_detector.detectMultiScale(grey)for x, y, w, h in face: cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 2) label, confidence = recognizer.predict(grey[y:y + h, x:x + w]) print( “”” 识别到人脸信息 标签：%d 可信度：%d “”” % (label, confidence) ) if confidence > 60: if label == 1: print(“小罗伯特唐尼”) print(“图片标签：”, str(label)) print(“可信度：”, str(confidence)) elif label == 2: print(“周星驰”) print(“图片标签：”, str(label)) print(“可信度：”, str(confidence)) else: print(“未匹配到数据”) cv2.imshow(‘im’, im) cv2.waitKey(0)cv2.destroyAllWindows()
旅行，其实是需要具有一些流浪精神的，
